卷绕张力控制器的三种设计方法及性能分析

给出了高速纺丝机卷绕张力控制器的三种设计方法:变参数PI控制、神经元自适应PID控制及神经元自适应PSD控制。对三种控制方法下系统的性能进行了对比,表明三种控制方法均具有较好的控制性能,其中神经元自适应PSD控制器设计简单,具有很强的自学习、自适应能力,是一种很好的张力控制方法。     

单神经元自适应控制器在液位控制中的应用

介绍了单神经元自适应控制器在液位控制中的应用;在控制算法中提出了自调整学习速率和学习初期的分层控制方法。     

神经智能PID控制算法应用

提出将 Ｐ Ｉ Ｄ 继电自整定与神经元自适应 Ｐ Ｉ Ｄ 控制相结合,利用 Ｐ Ｉ Ｄ 继电自整定法获取神经元自适应 Ｐ Ｉ Ｄ 控制器权系数的初值,实现对一般工业对象（一阶惯性加纯滞后环节）的智能控制．仿真和实时控制结果表明,这种控制策略是对实现全自动型工程控制器的有益尝试．该智能控制算法切实可行,鲁棒性强．     

电阻炉单神经元PID自适应控制

选用单神经元自适应控制结构,采有监督Hebb学习算法实现了对电阻炉大时滞控制系统的单神经元PID控制,探讨了参数对系统性能的影响,同时,使用Matlab分别对常规PID算法、自适应单神经元PID算法进行了仿真研究与比较并对参数选择进行了仿真研究.仿真结果表明,自适应神经元结构的PID控制动态控制效果良好,具有较高的工业实用价值.     

人工神经网络智能控制系统稳定性分析

从经典控制理论的稳定性问题出发 ,分析了现代控制理论和智能控制理论的稳定性判别方法 ,重点讨论了人工神经网络 ( ANN)智能控制系统的稳定性判别方法 ,并对基于神经元的自适应 PID控制器稳定性进行了分析。     

永磁同步电机的神经网络模型参考自适应控制研究

本文介绍了一种基于BP神经网络的正弦波永磁同步电机(PMSM)智能控制方法。同传统的PID控制相比较,基于神经网络的智能控制具有自学习、适应环境变化等优点。将BP神经网络模型参考自适应控制应用于PMSM,其仿真结果表明这种智能控制具有很强的鲁棒性、良好的动态和稳态特性。     

水下焊缝跟踪单神经元自适应PID控制与参数优化

水下焊缝跟踪过程复杂,不确定因素多,并且焊接过程具有非线性特点,传统PID控制效果不理想.本文提出了单神经元自适应PID控制器,通过神经元的自学习能力,能够在线自适应调整PID参数,同时利用差分进化算法对单神经元自适应控制器的参数进行优化.经仿真结果可知,该单神经元自适应PID控制器响应速度快,精度高,控制效果好.     

机械手控制算法研究

本文对目前机器人柔顺性控制方法——阻抗控制方法、力/位混合控制方法、自适应方法、智能控制方法做了较全面的介绍;并着重论述了阻抗控制算法的研究进展情况。阐述了与一些先进的控制算法——自适应方法、智能控制方法相结合是目前阻抗控制算法研究的热点。     

单神经元自适应PID控制器的研究

将二次型性能指标引入单神经元并利用自学习功能构成了自适应ＰＩＤ控制器;分析了神经元自适应控制系统的稳定性和学习算法的收敛性。仿真结果表明,这种控制方案具有良好的自适应性。     

迭代学习法在开关式液压阀位置控制中的应用

阐述了一种新型振动下料机的基本组成,分析了其液压送进装置的传统行程开关控制方法所存在的问题,明确指出了采用迭代学习控制的必要性和可行性.研制出了由微机、开关式液压阀及位移传感器等组成的液压送进装置的计算机智能控制系统.研究表明,在迭代学习智能控制方法中所用的控制提前量呈现正态分布,从而建立了确定最优学习因子和控制提前量等关键控制参数的计算公式.试验结果表明,整个系统的鲁棒性好,采用该智能控制方法可使送进缸停止位置的误差由原来的±5 5mm降低为±0 8mm.因此,不仅满足了实际工作的要求,而且具有重要的推广价值.     

一种神经元网络控制器及仿真

该文给了了一种自适应神经元的控制方法，设计了神经元网络作为控制器的智能控制系统，给出了学习规则，在交流伺服系统中的仿真结果表明了此方法的有效性及优越性。     

基于生物智能算法的智能控制研究与实践应用

 传统的自动控制方法因为其固定参数等弊端极大限制了控制效果,生物智能算法因为其环境自适应与自学习机制的特性,为突破传统控制方法的瓶颈提供了一种新的思路,并且随着强化学习等机器学习理论与方法的不断完善与发展,生物智能算法的性能也得到了极大的提高。总结了在智能控制中常用的7种生物智能算法,分析了经典的自动控制方法与生物智能算法,尤其是强化学习、深度学习等新型智能算法的结合的应用实例。结合近年来兴起的深度学习,强化学习及类脑智能科学对智能控制的发展现状,以及未来的发展趋势进行展望。强调一种智能辅助控制方法,将智能算法与传统控制方法相结合,为智能控制的研究提供新的思路与实用范例。     

自适应神经元控制器在交流伺服系统中的应用

文章介绍了交流伺服系统的数学模型、组成及其原理,在此模型基础上对交流伺服系统的自学习控制进行了深入的研究;利用神经元的自学习功能实现神经元控制器的在线学习,并以神经元控制器作为交流伺服系统的位置调节器;仿真实验表明,神经元控制器与PID控制器相比具有较强的自适应性和较好的性能。     

欠控制方向的非线性系统自适应迭代学习控制

针对控制方向未知且具有周期扰动的非匹配非线性系统, 提出了一种自适应迭代学习控制策略. 控制算法具有以下3个特点:不需要控制方向的先验知识; 能够对系统的周期不确定性进行在线学习; 能够克服系统的非匹配不确定性. 随着迭代学习次数的增加, 系统跟踪误差渐近收敛于零. 仿真结果表明了控制算法的可行性和有效性.     

基于动态分类算法的入侵检测系统

为了使分类方法适合网络入侵检测系统在线、实时的特点,根据自适应谐振理论提出了基于联想和竞争学习的动态分类算法。算法采用改进的胜者全得方法训练神经网络,通过估算类别数目方法优化初始系数。该算法能防止分类时丢弃特殊模式,并能对未知类别数量的数据动态进行分类,实验采用相同的数据集训练自适应谐振理论网络和动态分类网络。结果证明,动态分类算法具有良好的收敛性和模式分类能力。将该算法应用于入侵检测系统的网络行为智能学习,其误报率仅为10%左右。     

燃煤发电机组灵活运行控制技术研究进展

加快构建新型电力系统是助推“双碳”目标实现的核心关键。风、光可再生能源的大比例接入给电力系统的安全稳定运行带来了新的挑战，对燃煤机组的安全、深度、灵活调峰控制也提出了更高要求。依据煤电机组智能灵活调峰控制技术的发展历程，从被控对象建模和灵活运行控制方法两个层面进行梳理与分析，研究结果表明，辅以机器学习和其他智能系统辨识方法的混合建模方式，以及融合预测控制、自适应控制、多目标智能寻优等先进控制技术更加适合未来煤电机组灵活智能控制的需要，是未来煤电机组灵活、智能控制技术发展的主要方向。     

仿生水下机器人的增强学习姿态镇定

针对一类双波动鳍仿生水下机器人的姿态镇定问题,提出一种基于增强学习的自适应PID控制方法.对增强学习自适应PID控制器进行了具体设计,包括PD控制律和基于增强学习的参数自适应方法.基于实际模型参数对偏航角镇定问题进行了仿真试验.结果表明,经过较小次数的学习控制后,仿生水下机器人的偏航角镇定性能得到明显改善,而且能够在短时间内对一般性扰动进行抑制,表现出了较好的适应性.